numpy 中newaxis函数

圣诞老人家

于 2019-07-03 09:46:16 发布

阅读量1.2k

点赞数 2

分类专栏：机器学习

本文链接：https://blog.youkuaiyun.com/tianyuhang123/article/details/94549029

版权

机器学习专栏收录该内容

5 篇文章

订阅专栏

本文详细解析了NumPy中使用np.newaxis和None进行数组增维的方法，通过实例对比了增维前后数组形状的变化，并展示了在矩阵运算中新增维度的作用。同时，介绍了sidekit源码中发现的另一种增维技巧。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

x1[:,np.newaxis]：增维，转置

从字面上是插入新的维度的意思

demo1: 针对一维的情况

>>> b = np.array([1, 2, 3, 4, 5, 6])
>>> b[np.newaxis]
array([[1, 2, 3, 4, 5, 6]])
>>> c = b[np.newaxis]  ＃equals c = b[np.newaxis,:]
>>> b.shape
(6,)
>>> c.shape
(1, 6)
#看一下转置的时候有什么区别
>>> np.transpose(b)
array([1, 2, 3, 4, 5, 6])
>>> np.transpose(c)
array([[1],
       [2],
       [3],
       [4],
       [5],
       [6]])

#可以看出在矩阵运算的时候还是需要新的维度来规范计算的

对于这个问题还有一种方法，偶然看sidekit源码发现的，该函数与None有相同作用

>>> a = np.array([1,2,3])
>>> a
array([1, 2, 3])
>>> b = a[None]
>>> b
array([[1, 2, 3]])
>>> a.shape
(3,)
>>> b.shape
(1, 3)